Un conjunto neuronal es una población de células del sistema nervioso (o neuronas cultivadas ) involucradas en un cálculo neuronal particular.
El concepto de conjunto neuronal se remonta al trabajo de Charles Sherrington, quien describió el funcionamiento del SNC como el sistema de arcos reflejos , cada uno compuesto por neuronas excitadoras e inhibidoras interconectadas . En el esquema de Sherrington, las motoneuronas α son el camino común final de varios circuitos neuronales de diferente complejidad: las motoneuronas integran una gran cantidad de entradas y envían su salida final a los músculos.
Donald Hebb desarrolló teóricamente el concepto de conjunto neuronal en su famoso libro "La organización del comportamiento" (1949). Él definió "ensamblaje celular" como "una estructura difusa que comprende células en la corteza y el diencéfalo , capaces de actuar brevemente como un sistema cerrado, proporcionando facilitación a otros sistemas similares". Hebb sugirió que, dependiendo de los requisitos funcionales, las células cerebrales individuales podrían participar en diferentes ensamblajes celulares y estar involucradas en múltiples cálculos.
En la década de 1980, Apostolos Georgopoulos y sus colegas Ron Kettner, Andrew Schwartz y Kenneth Johnson formularon una hipótesis de vector de población para explicar cómo las poblaciones de neuronas de la corteza motora codifican la dirección del movimiento. Esta hipótesis se basó en la observación de que las neuronas individuales tendían a descargar más para movimientos en direcciones particulares, las llamadas direcciones preferidas.para neuronas individuales. En el modelo de vector de población, las neuronas individuales "votan" por sus direcciones preferidas utilizando su tasa de activación. El voto final se calcula mediante la suma vectorial de las direcciones preferidas individuales ponderadas por las tasas neuronales. Este modelo demostró ser exitoso en la descripción de la codificación de la dirección del alcance de la corteza motora, y también fue capaz de predecir nuevos efectos. Por ejemplo, el vector de población de Georgopoulos describió con precisión las rotaciones mentales realizadas por los monos que fueron entrenados para traducir las ubicaciones de los estímulos visuales en ubicaciones espacialmente desplazadas de los objetivos de alcance.
Los conjuntos neuronales codifican la información de una manera algo similar al principio de funcionamiento de Wikipedia : múltiples ediciones realizadas por muchos participantes. Los neurocientíficos han descubierto que las neuronas individuales son muy ruidosas. Por ejemplo, al examinar la actividad de una sola neurona en la corteza visual, es muy difícil reconstruir la escena visual que está mirando el dueño del cerebro. Como un solo participante de Wikipedia, una neurona individual no "sabe" todo y es probable que cometa errores. Este problema se resuelve cuando el cerebro tiene miles de millones de neuronas. El procesamiento de la información por parte del cerebro es un procesamiento de población y también se distribuye; en muchos casos, cada neurona sabe un poco sobre todo, y cuantas más neuronas participan en un trabajo, más precisa es la codificación de la información. En el esquema de procesamiento distribuido, las neuronas individuales pueden exhibir ruido neuronal , pero la población en su conjunto promedia este ruido.
Una alternativa a la hipótesis del conjunto es la teoría de que existen neuronas altamente especializadas que sirven como mecanismo de codificación neuronal. En el sistema visual, estas células a menudo se denominan células de la abuela porque responderían en circunstancias muy específicas, como cuando una persona mira una foto de su abuela. De hecho, los neurocientíficos han descubierto que algunas neuronas proporcionan mejor información que otras, y una población de neuronas tan expertas tiene una relación señal / ruido mejorada [ cita requerida ] . Sin embargo, el principio básico de la codificación por conjuntos se mantiene: las grandes poblaciones de neuronas funcionan mejor que las neuronas individuales.